← 案例目录DATAWHALE / FDE

案例 02 · 车管所材料审核

Datawhale原书章节 · 印刷页码 14—23 · 当前仅加载一页

Datawhale《FDE案例100》,案例02,原书第20页;下方可展开文字版

原书第 20 页 · 点击页面可放大查看

查看与复制本页文字

文字由原PDF提取,阅读顺序和表格请以原页为准。

但我觉得,比数字更重要的是人的工作发生了变化。原来工作人员需要把大量时间花在
打开图片、检查材料、填写信息这些重复劳动上。自动化以后,这部分工作减少了,他
们可以把时间用在群众咨询、新增业务以及更需要人工判断和沟通的事情上。
比如群众来到大厅以后有很多问题需要解释,以前后台审核占掉大量精力,现在工作人
员可以把更多时间放到服务群众上。所以这件事的本质,是重新分配人的时间,让一个
人审核得更快只是表面收益。
对于参与驻点服务的合作方来说,变化同样明显。在人员不增加甚至减少的情况下,整
体办件量仍然能够保持并略有增长,这让原来因为人工成本过高而承压的服务模式有了
更好的经营空间。
而对车管所来说,项目最终顺利通过验收,后续又持续有新的业务交给我们。后来双方
还共同成立了AI创新实验室,我们也继续派人员驻点,共同研发新的应用。在我看来,
这可能比某一个技术指标更能说明项目到底有没有真正创造价值。一个AI项目真正成功
的标志,是验收通过之后,客户还愿意继续和你做第二个、第三个项目。
Q5:在部署AI过程中,是否遇到了新问题或挑战?你是怎么解决
的?
如果让我总结这个项目最难的地方,最难的是组织和规则,算法反而排在后面。
第一个挑战,是材料数据太不标准,识别率上不去。
车管所的材料不像实验室数据集那么干净,身份证、合同、发票这些常见材料在实际上
传时会出现各种意想不到的形态。这些问题相对明确,但解决起来并不轻松。识别率不
够,我们就继续收集样本;负样本不足,就补负样本;参数不合适,就继续优化。这些
问题虽然麻烦,但基本都有工程上的解决路径,真正难的在后面。
第二个挑战,是AI把过去人工审核里的“放宽”暴露了出来。
20/243